如何通过 FOR 循环对大型数据框进行子集化并打印所需的结果？答案

【问题标题】：How to subset a large data frame through FOR loops and print the desired result?如何通过 FOR 循环对大型数据框进行子集化并打印所需的结果？
【发布时间】：2016-01-17 13:08:52
【问题描述】：

我有一个看起来像这样的数据框：

x    y
1    a
1    b
1    c
1    NA
1    NA
2    d
2    e
2    NA
2    NA

我想要的输出应该是一个数据框，它应该显示 Y 的所有完整案例（即非 NA 值）与相应 X 的总和。因此，如果假设 Y 对 X = 1 有 2500 个完整观察值，和 X = 2 的 557 个观察值，我应该得到这个简单的数据框：

x    y(c.cases)
1    2500
2    557

目前我的函数表现良好，但仅适用于单个 X，但当我提到 X 是一个范围（例如 30:25）时，我会得到所有指定 Y 的总和，而不是每个 X 的单独完整观察值。这是我的功能大纲：

complete <- function(){
    files <- file.list()
    dat<- c() #Creates an empty vector
    Y <- c()  #Empty vector that will list down the Ys
    result <- c()
    for(i in c(X)){
            dat <- rbind(dat, read.csv(files[i]))
            }
            dat_subset_Y <- dat[which(dat[, 'X'] %in% x), ]
            Y <- c(Y, sum(complete.cases(dat)))
            result <- cbind(X, Y)
            print(result)
    }

没有错误或警告消息，但只有一系列 X 中的错误结果。

【问题讨论】：

另见stackoverflow.com/questions/1660124/…
我想知道为什么有这么多关于 SO 请求使用 FOR 循环的解决方案的 R 问题。
@RHertel 那是因为循环是最常见的方法之一，像 dplyr 这样的包提供了独特的新语法来代替这些循环，大多数人并没有完全意识到这一点，而像我这样的人仍然掌握它。
有些事情不知道也没关系，这里有很多人愿意给出很好的提示。令我惊讶的是，尽管缺乏知识，但仍有几个问题要求以特定方式解决问题——比如使用 FOR 循环。 FOR 循环在 R 中并不常见，而且在许多情况下充其量是不必要的（顺便说一下，这与 dplyr 无关，它只是许多有用的包之一，而不是使用 FOR 循环作为起点的原因通常不是R 中的好主意。 FOR 循环在某些情况下可能很有用，但在 R 中这些是相当例外的）。
@RHertel 如果这些问题是同一个人一遍又一遍地问的问题，那我也会觉得很奇怪。

标签： r loops for-loop dataframe subset

【解决方案1】：

不需要那个循环。

library(dplyr)
df %>%
  filter(complete.cases(.))%>%
  group_by(x) %>%
  summarise(sumy=length(y))

或者

df %>% 
  group_by(x) %>% 
  summarise(sumy=sum(!is.na(y)))

【讨论】：

谢谢@DavidArenburg

【解决方案2】：

我们可以使用data.table。我们将'data.frame'转换为'data.table'（setDT(df1)），按'x'分组，得到所有非NA元素的sum（!is.na(y)）。

library(data.table)
setDT(df1)[, list(y=sum(!is.na(y))), by = x]

或者另一个选项是table

with(df1, table(x, !is.na(y)))

【讨论】：

还有 aggregate(y ~ x, df, function(z) sum(!is.na(z))) 和 with(df, tapply(y, x, FUN = function(z) sum(!is.na(z)))) 以及 dplyr 的东西，等等/